在机器学习中,表征学习或表示学习是允许系统从原始数据中自动发现特征检测或分类所需的表示的一组技术。这取代了手动特征工程,并允许机器学习特征并使用它们执行特定任务。在有监督的表征学习中,使用标记的输入数据来学习特征,包括监督神经网络,多层感知器和(监督)字典学习。在无监督表征学习中,特征是与未标记的输入数据一起学习的,包括字典学习,独立成分分析,自动编码器,矩阵分解和各种形式的聚类。
论文浅尝 | AAAI2020 - 基于规则的知识图谱组合表征学习
PRCV 2018现场干货速递(二)
极市平台
7+阅读 · 2018年11月24日
AI的推动引擎——深度学习
51CTO博客
1+阅读 · 2018年10月16日
收录160+篇文章!清华唐杰团队详解自监督学习
学术头条
3+阅读 · 2020年6月19日
复杂网络的双曲空间表征学习方法
专知
2+阅读 · 2020年11月13日
ICLR 2019论文接收结果揭晓:24篇oral论文有没有你?
大会 | ICLR 2018截稿:取消公开评审改为双盲引人关注
图表示学习在美团推荐中的应用
图与推荐
1+阅读 · 2021年12月24日
参考链接
微信扫码咨询专知VIP会员